Laboratorium Aliran Fluida dan Separasi Mekanik Semester IV 2020/2021
LAPORAN PRAKTIKUM SIEVING
PROGRAM STUDI D3-TEKNIK KIMIA JURUSAN TEKNIK KIMIA
POLITEKNIK NEGERI UJUNG PANDANG 2021
SIEVING
I. TUJUAN
-
Membuat sieve analysis table-
Mengevaluasi data pada sieve analysis table dalam bentuk kurva-kurva distribusi (fractional – cumulative – frequency), dan nilai-nilai dari diameter partikel tengah ( dpm , median particle size ), dpF , dan luas permukaan spesifikII. ALAT dan BAHAN a. Alat :
Mesin ayak (terdiri : tutup, baut pengunci, susunan bidang ayak dan Vibrator)
Neraca analitik atau Neraca kasar
Sikat halus
Gelas kimia
Spatula
Wadah untuk menimbang b. Bahan :
Batu bata
III. RANGKAIAN ALAT
IV. DASAR TEORI
Sieving atau pengayakan adalah metoda pengukuran ukuran partikel padat yang paling penting untuk partikel berukuran di atas 0,04 mm. Dengan sieving bisa ditentukan misalnya distribusi ukuran partikel-partikel padat hasil proses mekanis menggunakan crusher, ball mill, dan lain-lain. Umumnya, pengayakan dilakukan dengan menggunakan mesin ayak yang memiliki beberapa tingkat bidang ayak dengan ukuran kawat dan lubang / celah antar kawat ayak yang berbeda-beda, yang mana semakin ke bawah ukurannya semakin mengecil.
Pengayakan dimulai dengan mengatur bidang-bidang ayak dengan ukuran tertentu dan menaruh sampel di atas bidang ayak pada tingkat paling atas. Jika vibrator mesin ayak diaktifkan, maka partikel-partikel akan bergerak-gerak dan karena gerakan-gerakan ini maka partikel-partikel yang berukuran lebih kecil daripada celah antar kawat ayak akan jatuh ke bidang ayak dibawahnya.
Proses pengayakan dianggap selesai jika tidak terjadi lagi perpindahan partikel pada setiap bidang ayak ke bidang ayak dibawahnya. Pada tahap ini, partikel-partikel berukuran paling lembut akan berada pada tingkat ayakan paling bawah dan sebaliknya partikel-partikel yang berukuran paling besar akan berada pada tingkat ayakan paling atas. Selanjutnya untuk semua partikel yang tertahan pada suatu bidang ayak nomer ke i terhitung dari atas, disebut dengan produk atas ke - i ( oversize product, OPi ).
Untuk mendapatkan semua kemungkinan ukuran partikel yang ada, maka secara logika dapat digunakan waktu pengayakan yang lama dengan intensitas gerak partikel di atas bidang ayak yang cukup. Tetapi untuk jenis partikel-partikel tertentu, pengayakan yang lama dapat saja menyebabkan pengikisan partikel menjadi partikel-partikel yang lebih kecil. Sebaliknya untuk sampel yang berisi partikel-partikel lembut dan cukup berminyak, pengayakan yang lama justru akan menyebabkan agglomeration partikel-partikel yang lembut menjadi partikelpartikel yang lebih besar. Untuk itu suatu waktu ayak yang optimal hanya dapat ditentukan melalui percobaan. Waktu ayak optimal adalah merupakan suatu kesesuaian antara waktu tercapainya derajat pemisahan yang tinggi dan derajat perubahan ukuran partikel asal karena proses pengayakan.
Pada sieving dikenal istilah mesh, yaitu jumlah celah/lubang ayak per 1 inchi panjang kawat ayakan. Standar ayakan yang paling umum digunakan adalah Tyler standard, dimana diameter kawat yang digunakan untuk setiap ayakan dapat dilihat dalam referensi lain (Alan S. Foust, 1960). Contoh : ukuran ayakan standar 200 mesh menyatakan bahwa pada ayakan tersebut terdapat 200 celah ayakan per inchi panjang kawat ayakan.
Pada pengayakan secara umum, partikel-partikel yang terletak pada kelompok ukuran partikel tertentu (dengan kata lain adalah oversize product, OP) memiliki ukuran yang berbeda-beda.
Oleh karenanya, distribusi ukuran-ukuran partikel kemudian dibatasi dari bawah dengan suatu istilah dpmin dan ke atas dengan suatu istilah dpmaks .
Berikut ini adalah beberapa topik dalam sieving yang akan diselesaikan dalam pratikum ini : a) Ukuran partikel tengah ( dpm , medium particle size)
Ukuran partikel tengah dpm adalah suatu diameter ayak khayalan, yang mana merupakan suatu ukuran bidang ayak yang dapat memisahkan sampel menjadi dua bagian yang sama berat ( dengan kata lain : C%OP = 50% ).
dpm=dp , dimana C %OP0,5 ... (2.1) b) Ukuran partikel yang paling banyak, dpF
Secara umum, sampel terdiri atas partikel-partikel dengan ukuran yang berbeda- beda. Ukuran partikel yang paling banyak terdapat pada sampel diberi inisial dengan dpF , yang mana merupakan petunjuk bahwa ukuran partikel tersebut mendominasi sampel. Dimungkinkan pula bahwa partikel-partikel pada sampel memiliki 2 atau lebih nilai dpF .
c) Distribusi ukuran partikel ( particle size distribution )
Berikut adalah pembahasan singkat distribusi ukuran partikel melalui penjabaran oversize product percentage (OP%), probability percentage (Pi%) yang berlaku untuk interval ukuran partikel tertentu, cumulative percentage yang berbasis pada OP ( atau disebut C%OP) serta probability percentage ( P% ) yang berlaku untuk sembarang ukuran partikel. Data-data yang dihitung dihimpun dalam suatu tabel yang disebut dengan sieve analysis table.
Misal, pada percobaan pengayakan terhadap sampel dengan massa M = 0,5 kg yang menggunakan 8 bidang ayak dengan ukuran dp1, dp2, dp3, . . . . ., dp8 dan pan ( dp9=0 ) diperoleh nilai oversize product OP di atas setiap bidang ayak sebanyak OP1, OP2, OP3, . . . . , OP8 dan pada pan sebanyak OP9.
Mula-mula dihitung suatu oversize product percentage OP% pada setiap bidang ayak, yakni hasil bagi antara OP dengan M. Hasil perhitungan ini dapat digambarkan dalam suatu histogram, dimana selisih lebar dp dari dua bidang ayak yang bertetangga disebut dengan size interval dp.
OP%i OPi
M ...
(2.2)
Berdasarkan OP% ini, didefinisikanlah lagi cumulative percentage C%OP, yaitu jumlah dari OP% yang dihitung mulai dari bidang ayak paling atas hingga ke bidang ayak yang dibicarakan (bidang ayak ke i).
C %OPi=
∑
n=1 i
OP%i ... (2.3)
Nilai-nilai OP% vs dp dan C%OP vs dp berturut-turut dapat digambarkan berupa titik-titik data pada kurva distribusi fraksional dan kumulatif.
Supaya didapatkan informasi tentang frekuensi ukuran partikel pada setiap size interval tertentu, yang mana tidak tergantung dari mesh bidang ayak, maka OP% dibagi dengan lebar size interval - nya sehingga diperoleh probability percentage Pi% dari partikel- partikel yang berada didalam setiap size interval.
Pi%i= OPi
M . ∆ dPi ... (2.4)
Perlu ditekankan disini, bahwa Pi% ini hanya berlaku untuk setiap size interval yang ada sehingga kurang dapat menggambarkan semua kemungkinan ukuran partikel yang ada.
Karena hal tersebut dan jika memang diinginkan suatu probability percentage yang berlaku pada sembarang size interval, maka dapat digunakan persamaan empirik yang menyatakan bahwa probability percentage P% merupakan turunan (diferensial) negatif dari fungsi fC%OP terhadap dp.
P%=−d(fC %OP)
d(dP) ... (2.5) fC%OP adalah suatu fungsi pendekatan yang menggambarkan hubungan fungsional antara data C%OP dan dp. Kurva fungsi fC%OP ini disebut kurva distribusi kumulatif dan dapat diperoleh melalui analisis data C%OP dan dp, misalnya secara regresi polinomial minimal order empat.
d) Luas Permukaan Distribusi Ukuran Partikel
Diandaikan sekumpulan partikel berbentuk bola. Karena bentuk bola memiliki luas permukaan yang paling kecil untuk setiap satuan massa, maka perhitungan akan selalu menghasilkan luas permukaan spesifik yang minimal dari suatu massa sampel. Jika bentuk partikel menyimpang dari bentuk bola (tidak bulat), maka setidak-tidaknya akan selalu didapatkan luas permukaan spesifik yang lebih besar dibandingkan dengan partikel-partikel berbentuk bola.
Massa dari n buah partikel pada suatu size interval ke - i dengan massa jenis partikel ρ dan diameter rata-rata dpi adalah:
OPi=niρπ
6dpi3 ... (2.6) Dari (2.6) diperoleh jumlah bola pada size interval tersebut sebanyak:
ni= 6.OPi
π . ρ . d3pi ... (2.7) Luas permukaan seluruh bola pada size interval ini adalah:
∆ Ai=ni. π . d2pi=6. OPi ρ . dpi
... (2.8)
Luas permukaan total dari seluruh size interval yang ada didapatkan dengan menjumlahkan semua luas permukaan setiap size interval yang dihitung berdasarkan rumus (2.8), tetapi karena nilai dpi pada setiap size interval tidak diketahui, maka luas permukaan total hanya merupakan suatu nilai pendekatan yang kasar. Kesalahan yang ada dapat dikurangi jika lebar size interval dipilih sangat kecil. Dan jika dihubungkan dengan sieve analysis, maka artinya harus digunakan bidang ayak yang jumlahnya sangat banyak. Kesalahan ini akan benar-benar hilang jika secara teoritis digunakan lebar size interval yang berbeda secara infinitesimal. Itu berarti OP pada size interval akan menyusut menjadi dOP, sedangkan luas permukaannya menjadi dAB sebesar:
dAB=6. dOP
ρ . dp ... (2.9) Dari (2.9) didapatkan luas permukaan spesifik pada size interval sebesar:
dAB
M = 6. dOP
ρ. dp. M ... (2.10) Hubungan dOP/M sesuai (2.4) setara dengan P% d(dp) sehingga jika disubstitusikan ke (2.10) akan menghasilkan luas permukaan spesifik suatu size interval yang lebarnya d(dp), yakni:
dAB
M =6. P%
ρ .dp d(dp) ... (2.11) Melalui integrasi dari dpmin hingga dpmaks didapatkan seluruh luas permukaan spesifik partikel-partikel berbentuk bola, yakni:
AB M=6
ρ.
∫
dpmin
dp mak
P%
dP d(dp) ... (2.12)
Dalam hal ini, nilai dpmin dapat didekati melalui nilai fungsi fC%OP misalnya pada dp
= 0,999 sedangkan nilai dpmaks dapat didekati melalui nilai fungsi fC%OP misalnya pada dp = 0,001.
Contoh kasus :
Berikut ini, data pengayakan hasil penggerusan menggunakan ball mill. Buatlah sieve analysis table dan evaluasilah table tersebut.
Dp (mm)
0,71 O,5 0,355 0,25 0,18 0,125 0,071 0,045 0
OP (kg)
0,0139 0,0711 0,1201 0,1167 0,0763 0,050 0,0346 0,0103 0,00 7 Berikut adalah perhitungan OP%, C%OP dan Pi% menggunakan MATLAB.
Eksekusi program diatas menghasilkan dpm =0,3133 mm dan dpF =0,2670 mm serta data dp, OP, OP%, C%OP, Pi% dan P% yang ditabelkan sebagai berikut:
No Lebar Ayak dp (mm)
OP (kg) OP% C%OP Pi%
(1/mm)
P%
(1/mm)
1 0,710 0,0139 0,0278 0,0278 - 0,1083
2 0,500 0,0711 0,1422 0,1700 0,677 1,2144
3 0,355 0,1201 0,2402 0,4102 1,657 2,0673
4 0,250 0,1167 0,2334 0,6436 2,222 2,2777
5 0,180 0,0763 0,1526 0,7962 2,180 2,0235
6 0,125 0,0500 0,1000 0,8962 1,818 1,5778
7 0,071 0,0346 0,0692 0,9654 1,282 0,9607
8 0,045 0,0103 0,0206 0,9860 0,792 0,6193
Pan 0 0,0070 0,0140 1,0000 0,311 0,0017
Total M 0,5000
Evaluasi dalam kurva-kurva distribusi dapat dilakukan dengan perintah berikut : a) untuk kurva distribusi kumulatif:
plot(dp,CPOP,'o'); hold on; f=@(dp) polyval(fCPOP,dp); fplot(f,[0 0.71 0 1]); grid on;
title('Kurva Distribusi Kumulatif'); xlabel('dp [mm]'); ylabel('C%OP');
b) untuk kurva distribusi frekuensi:
plot(dp,PP,'o'); hold on; f=@(dp) polyval(fPP,dp); fplot(f,[0 0.71]); grid on; title('Kurva Distribusi Frekuensi'); xlabel('dp [mm]'); ylabel('P%');
V. PROSEDUR KERJA
1) Haluskan bahan praktikum (baru bata) dengan cara ditumbuk menggunakan batu hingga halus.
2) Bersihkan terlebih dahulu bidang-bidang ayak menggunakan sikat dan tekan secara hati-hati.
3) Menyusun masing-masing bidang ayak pada vibrator mulai dari pon (tidak berlubang), lalu diikuti dengan bidang ayak terkecil/terhalus sampai bidang ayak yang berukuran lebih besar.
4) Memasukkan gerusan dan hasil ayakan dari kelompok lain pada bidang ayak paling atas, lalu pasang penutupnya secara hati-hati dan kencangkan baut penguncinya. Keterangan : 1. Tutup, 2. Baut pengunci, 3. Susunan bidang ayak, 4.
Vibrator 1 2 3 4 --9-.
5) Pastikan knob selector frekuensi untuk vibrator dan waktu pengayakan pada posisi nol (0), kemudian hidupkan vibrator lalu atur frekuensi dan waktu pengayakan sesuai petunjuk dosen pembimbing.
6) Setelah pengayakan selesai, menimbang masing-masing gerusan yang berada diatas setiap bidang ayak. Gunakan kertas atau wadah kertas untuk menimbang gerusan tersebut (terlebih dahulu menimbang kosong wadah tersebut). Lalu membersihkan kembali bidang ayakan tersebut dan memasang kembali sesuai susunannya.
7) Mencatat hasil penimbangan gerusan tersebut.
VI. DATA PENGAMATAN
No .
Lebar ayak dp dp (mm) OP (g) OP (kg) OP% COP%
1 2 mm 2 71,6014 0,072 0,105753 0,105753
2 1,7 mm 1,7 50,558 0,051 0,074758 0,180411
3 1,4 mm 1,4 43,074 0,043 0,063619 0,24403
4 1 mm 1 59,262 0,059 0,087528 0,331558
5 600
μm0,6 69,452 0,069 0,102578 0,434136
6 500
μm0,5 22,0377 0,022 0,032601 0,466733
7 425
μm0,425 19,5763 0,020 0,028913 0,49565
8 250
μm0,25 24,3011 0,024 0,035892 0,531542
9 125
μm0,125 114,666
2
0,115 0,169358 0,7009
10 Pan 0 202,510
8
0,0203 0,299101 1,000001
Total 677,065
1
00.100
VII. PENGOLAHAN DATA dan PERHITUNGAN
A. Membuat sieve Analysis table menggunakan aplikasi MATLAB
dp (mm
)
2 1,7 1,4 1 0,6 0,5 0,42
5
0,25 0,12 5
0
OP (kg)
0,07 2
0,05 1
0,04 3
0,05 9
0,06 9
0,02 2
0,02 0
0,02 4
0,11 5
0,0203
Berikut adalah perhitungan OPP%, CPOP%, PiP% dan P% dengan menggunakan MATLAB :
dp= [2.0 1.7 1.4 1.0 0.6 0.5 0.425 0.25 0.125 0];
OP= [0.072 0.051 0.043 0.059 0.069 0.022 0.020 0.024 0.115 0.203];
M=sum(OP);
OPP=OP/M;
CPOP(1)=OPP(1);PiP(1)=0;
for i=1:length(dp)-1
CPOP(i+1)=CPOP(i)+OPP(i+1);
PiP(i+1)=OPP(i+1)/(dp(i)-dp(i+1));
End
fCPOP=polyfit(dp,CPOP,8);fPuP=-polyder(fCPOP);PuP=polyval(fPuP,dp);
g=@(dp)polyval(fCPOP,dp)-0.5;dpm=fzero(g,0.2) h=@(dp)-polyval(fPuP,dp);dpf=fminbnd(h,0.1,0.3) [dp' OP' OPP' CPOP' PiP' PuP']
Eksekusi program diatas menghasilkan nilai : dpm =
0.3355
dpf = 0.1001
ans =
2.0000 0.0720 0.1062 0.1062 0 14.4122 1.7000 0.0510 0.0752 0.1814 0.2507 -2.0372 1.4000 0.0430 0.0634 0.2448 0.2114 1.1741 1.0000 0.0590 0.0870 0.3319 0.2176 -0.3240 0.6000 0.0690 0.1018 0.4336 0.2544 0.5358 0.5000 0.0220 0.0324 0.4661 0.3245 0.2965 0.4250 0.0200 0.0295 0.4956 0.3933 0.1298 0.2500 0.0240 0.0354 0.5310 0.2023 0.6735 0.1250 0.1150 0.1696 0.7006 1.3569 2.0543 0 0.2030 0.2994 1.0000 2.3953 2.1698
Dari hasil diatas , diperolehlah nilai PiP% dan P% yang dapat dilihat lebih jelas dalam table berikut ini :
No Lebar ayak dp (mm)
OP (kg)
OPP% CPOP% PiP% P%
1 2 0,072 0,1062 0,1062 0 14,4122
2 1,7 0,051 0,0752 0,1814 0,2507 -2,0372
3 1,4 0,043 0,0634 0,2448 0,2114 1,1741
4 1 0,059 0,0870 0,3319 0,2176 -0,3240
5 0,6 0,069 0,1018 0,4336 0,2544 0,5358
6 0,5 0,022 0,0324 0,4661 0,3245 0,2965
7 0,425 0,020 0,0295 0,4956 0,3933 0,1298
8 0,25 0,024 0,0354 0,5310 0,2023 0,6735
9 0,125 0,115 0,1696 0,7006 1,3569 2,0543
10 0 0,0203 0,2994 1,0000 2,3953 2,1698
B. Evaluasi dalam kurva-kurva berikut ini :
a)Untuk kurva distribusi kumulatif:
figure(1)
plot(dp,CPOP,'o');hold on;f=@(dp)polyval(fCPOP,dp);fplot(f,[0 2.0 -1 6]);grid on;title('Kurva Distribusi Kumulatif');xlabel('dp [mm]');ylabel('C%OP')
b) Untuk kurva distribusi frekuensi:
figure(2)
plot(dp,PuP,'o');hold on;f=@(dp)polyval(fPuP,dp);fplot(f,[0 2.0]);grid on;title('Kurva Distribusi Frekuensi');xlabel('dp [mm]');ylabel('P%')
C. Diagram Batang PiP vs dP
Di bawah ini, dapat dilihat hubungan diagram batang yaitu kenaikan dan penurunan nilai PiP dalam setiap data dP yang dimiliki.
2 1.7 1.4 1 0.6 0.5 0.43 0.25 0.13 0
0 2 4 6 8 10 12
PiP vs dP
PIP% PIP%
dp (mm)
PiP
VIII. Pembahasann IX. Kesimpulan X. - Daftar Pustaka
- Jobsheet Lab. Aliran Fluida dan Separasi Mekanik (SIEVING)
- Zogg, M., 1987, Einfuhrung In Die Mechaniche Verfahrentechnik, Stuttgart : B.G. Teubner.
- Alan, S. Faust. 1960. Principles Of Unit Operations. P. 699-704
